深度学习技术在海关风险甄别中的应用研究

随着互联网的高速发展和人工智能时代的到来,越来越多从前必须由人脑完成的工作能够利用计算机技术来完成,而深度学习的出现更解决了传统机器学习算法在计算机视觉领域、自然语言处理领域表现不佳的问题,使机器也能够拥有准确感知图像和语音的能力。人脸识别是深度学习网络最常见的应用场景之一,具有自然、直接、方便的特点,且不需要检测对象配合,因此非常适合用于公共安全领域的风险检测。研究充分结合海关实际需求,搭建基于深度学习技术的人脸识别模型,提供对通关旅客进行实时风险甄别的解决方案,以及海关通关风险防控场景的理论参考,为后续深度学习技术在海关业务的研究提供支撑。     

Systemic financial risk early warning of financial market in China using Attention-LSTM model

We propose an Attention-LSTM neural network model to study the systemic risk early warning of China. Based on text mining, the network public opinion index is constructed and used as a training set to be incorporated into the early warning model to test the early warning effect. The results show that: (i) the network public opinion is the non-linear Granger causality of systemic risk. (ii) The Attention-LSTM neural network has strong generalization ability. Early warning effects have been significantly improved. (iii) Compared with the BP neural network model, the SVR model and the ARIMA model, the LSTM neural network early warning model has a higher accuracy rate, and its average prediction accuracy for systemic risk indicators has been improved over short, medium and long terms. When the attention mechanism is included in the LSTM, the Attention-LSTM neural network model is even more accurate in all the cases.     

黄浦江两岸地区公共空间可达性研究 ——基于社会网络分析的公共交通评价与 优化策略

黄浦江两岸地区正在打造世界级的滨江公共空间， 如何便捷、多样地抵达滨江公共空间是其规划设计和建设实施 的重要评价指标。将该评价指标定义为滨江公共空间可达性， 指居民利用滨江公共交通系统(常规公交)抵达滨江公共空间的 便捷性和多样性程度。利用社会网络分析方法，以虹口区和徐 汇区的滨江公共空间为例，构建了滨江公共空间可达性模型， 借助地理信息系统(ArcGIS)与计算机编程语言(Python)对现 状可达性进行量化分析评价，并提出优化滨江公共空间可达性 的算法和策略，以期更好地提升滨江公共空间可达性。     

基于无线生理传感器与虚拟现实技术的复愈性环境注意力恢复作用研究

基于卡普兰复愈性环境理论，运用脑机接口设备、智能腕带传感器等无线生理指标检测技术，测试大学生被试人群在沉浸式虚拟现实(VR)情境下，对4种复愈性环境及城市环境在注意力恢复和压力减轻方面的反应及其作用强度，获得被试在不同环境中脑电、心率、肌电的客观生理数据。采用非参数统计方法R语言对数据进行分析。结果显示，多数被试在复愈性环境中较城市环境表现出更好的注意力恢复效果。其中具有逃离性和迷人性特征的自然环境，复愈效果最为明显；在虚拟现实环境中，观赏城市环境图片也具有一定的复愈效果。     

Metafrontier efficiency analysis for hospital pharmacy services using dynamic network DEA framework

Medication management is a complex but critical process within the healthcare delivery system. The pharmacy department in healthcare facilities is responsible for acquisition, distribution and dispensing of medication to patients that involves a series of network process. This process can be categorized into two main subprocesses: i) pharmacy store and ii) patient services (i.e., ambulatory and inpatient pharmacy). The objective of this study was to investigate the relative efficiency level of the two subprocesses of pharmacy services in Malaysia's public hospitals. We used a nonconvex metafrontier technology to estimate technical efficiency of hospital pharmacies between specialist and nonspecialist hospital categories under the dynamic network data envelopment analysis (DNDEA) framework. For overall efficiency, both specialist and nonspecialist categories had similar mean efficiency scores. However, when measuring the efficiency level according to pharmacy store and patient services separately, the nonspecialist category had a higher mean efficiency score in pharmacy store, whereas for patient service efficiency, both categories had similar results. The patient service efficiency level was lower consistently over time, suggesting that the overall inefficiency of hospital pharmacy is greatly influenced by the inefficiency of the patient service. This suggests that systematic improvements in patient service efficiency should be a higher priority than pharmacy store efficiency to further increase the overall efficiency level. We believe that our findings will provide valuable information to policymakers towards achieving an efficient public healthcare service.     

一种基于量子加密的软件定义网络南向安全防护策略

提出一种以量子加密技术为核心的软件定义网络（Software-defined Network，SDN）的南向安全防护策略，建立了基于量子密钥分发的SDN网络模型并分析了该模型下的身份认证、量子密钥分发和自适应免疫窃听流程。推导出了本策略下窃听攻击强度、用于检测窃听的量子态数目的比例α、系统发现窃听者的概率、密钥分发效率之间的定量关系。通过动态仿真分析确立了不同攻击强度下系统参数α的最优选值区间。SDN控制器可根据该仿真结果，动态地决策系统中α的取值进行自适应免疫密钥分发，实施更为精准的窃听免疫方案。     

基于深度学习的跳频信号识别

针对跳频信号分选存在人工提取参数特征具有复杂性的问题，提出了一种基于深度学习的识别方法。首先对跳频信号进行短时傅里叶变换，得到二维的时频矩阵；接着提取信号的轮廓特征，构造三维矩阵作等高线图，并对等高线图进行预处理；最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试，进而实现分类识别。仿真结果表明，在不需要复杂的人工提取参数特征的基础上，在分选率为100〖WT《Times New Roman》〗%〖WTBZ〗时，所提方法经裁剪处理下的信噪比为-15 dB，比支持向量机和传统K-Means聚类算法都低10 dB。实测数据的算法验证表明，所提方法能够将大疆精灵4Pro、hm无人机、司马航模X8HW以及大疆悟2这四类无人机正确分类。     

一种基于孪生神经网络的深度异构网络嵌入算法

针对现有异构网络嵌入方法导致的捕获关系冗余和模糊的问题，提出了一种基于孪生神经网络的深度异构网络嵌入模型。首先，基于面向关系的深度嵌入(Relation-Oriented Deep Embedding，RODE)框架构建了异构网络嵌入模型，以区分同型节点和异型节点之间的关系；其次，将同型节点与异类节点之间的相似性近似到低维空间，通过构建多任务的孪生神经网络来实现节点之间结构和语义关系的深度嵌入；最后，选取四个数据集执行典型网络挖掘任务，并与其他六种算法进行实验对比分析。实验结果表明，保持相同类型节点之间的相似性有助于提高节点分类效率，且损失函数在提高异构网络嵌入质量方面具有良好的优越性；RODE模型能够有效提高稀疏网络的嵌入质量，且具有良好的稳定性和鲁棒性。     

基于BP人工神经网络中国光伏产业贸易摩擦预警研究

建立有效的贸易摩擦预警系统有利于中国新兴产业的健康发展,有利于中国实施制造强国战略。将警兆信号法与人工神经网络相结合,从宏观经济形势、产业供给能力、双边贸易状况、市场需求水平等四个维度切入,构建了中国光伏产品出口贸易摩擦预警系统模型。预警分析表明,模型的预警效果与现实拟合较好,具有可行性。从模型的预警结果来看,2019年~2020年中国输美光伏产品贸易摩擦警情均低于轻警级别,仍面临一定的贸易摩擦风险。     

中国自贸区战略实施的现状、效果、趋势及未来策略

随着全球经贸规则的加速重构,我国自贸协定的谈判和签署步伐明显加快,且签署协定的开放水平不断提升,协定实施对双边贸易也产生了显著的促进效果。未来,中国的自贸协定谈判将呈现出覆盖范围更广、开放层次更高、协定对象向重点国家和地区突破的态势。为了实现"形成覆盖全球的高标准自贸区网络"的目标,我国应通过积极参与构建超大型自贸区、将自贸区网络建设与"一带一路"倡议相结合、深化自身改革提供制度支撑、综合考量宏观收益开展自贸谈判、设计兼具稳定性和灵活性的自贸协定"范式"等策略来推进自贸区建设。